心率变异性度量脑力负荷的有效性

考察了HRV度量脑力负荷的有效性,72名年轻男性参加了实验.使用四项脑力任务:短时记忆、简单计算、逻辑推理和空间处理来产生脑力负荷,每项任务包含低、中、高三档难度,持续时间5min.记录并分析了被试在每个实验阶段如下HRV指标:窦性心搏NN间期标准差(SDNN)、相邻NN间期差值的均方根(rMSSD)、低频功率(LF,0.04Hz～0.15Hz)、高频功率(HF,0.15H～0.4Hz)和低高频功率之比(LF/HF).结果表明:SDNN、rMSSD和HF有效性较差;LF和LF/HF的有效性较好.     

航空工效中的脑力负荷测量技术

脑力负荷是航空工效中需要研究的重要课题，其测量方法也很多，章把脑力负荷测量方法分为三类：任务操作方法、生理测量方法和主观测量方法。把影响脑力负荷的因素归纳为人、任务和环境交互作用的结果，对脑力负荷、操作绩效和任务关系模型作了分析，对脑力负荷测量方法的选择标准和评判指标进行了总结。章重点对三类脑力负荷测量方法的优点和局限性进行了综合评述，认为对脑力负荷应综合利用各类测量方法的敏感性来测量。当前的一些多指标评判技术对脑力负荷的测量有一定的意义，但由于人机技术的发展，应该不断对现有的方法进行改造和开发新的测量方法。     

时间长短对脑力负荷强度影响的研究

文章通过实验的方法探讨了工作时间长短对脑力负荷强度的影响。在实验中，被试者被要求做一项脑力要求非常高的工作，心算三位数乘一位数加四位数的算术。被试者被分为两组，一组必须在２０ｓ之内完成计算一道算术题，另一组计算时间不受限制，但一题算完下一题将马上出现。两组被试者都进行了一整天８ｈ的计算。实验结果表明，工作时间长短对脑力劳动负荷强度有一定的影响，但影响值比我们预计的要小得多。     

面向复杂装配任务的脑力负荷综合评估方法

复杂装配作业脑力负荷过高会降低装配绩效和质量,甚至引发安全事故。因此,对装配任务脑力负荷进行准确测量与评估,确定作业人员的脑力负荷水平,是生产系统优化的重要依据。本文针对复杂装配任务的脑力负荷评估问题,设计了基于Lego积木模拟的装配任务实验,使用主观测量法、绩效测量法和生理测量法采集了27项指标数据,分析了各项数据对脑力负荷变化的敏感性,发现绩效测量指标、主观测量指标、注视次数、总注视时间、扫视次数、总扫视时间和平均瞳孔直径这7项指标是复杂装配任务脑力负荷的有效测量指标。基于有效测量指标,采用BP (back propagation)神经网络和贝叶斯线性判别两种建模方法,构建了装配任务脑力负荷综合评估模型。研究结果表明,使用因子分析将7维指标转化为二维综合指标作为主成分输入,使用归一化共轭梯度法为训练算法的BP神经网络模型是装配作业脑力负荷的最佳综合评估模型,其判别准确率达到84.80%。本文提出的脑力负荷测量与评估方法可为装配作业脑力负荷评定和优化提供参考依据。     

脑力负荷度量方法的新进展述评

按照4类脑力负荷度量的方法:主任务度量法、次任务度量法、生理度量法和主观度量法分别展开,综述了脑力负荷度量方法体系从1995年以来的新进展,并对这些进展进行总结和评价.结论如下:总体上看,脑力负荷的度量方法体系一直在不断发展,但是并无大的突破;针对主观度量法和生理度量法的研究多于针对另外两类方法的研究;有关脑力负荷度量方法的研究趋向于融合多种方法和手段,更接近各种现实的脑力任务,并且考虑更多因素.     

脑力负荷测量方法与评价模型研究进展

随着科学技术的进步,操作者在工作中的任务负荷逐渐由以体力负荷为主转变为以脑力负荷为主。国内外对脑力负荷的测量与评价方法进行了大量研究,可将测量方法分为三种：主观等级量表法、客观指标测量法和任务测量法。该文首先介绍了几种国内外常用脑力负荷测量方法,对其优缺点进行了分析。针对多指标联合测量时的脑力负荷计算,进一步介绍了专家评分法、神经网络技术以及多资源理论等三种评价模型,最后探讨了脑力负荷的评价步骤,并对未来的研究方向进行了展望。     

基于脑力负荷的通航飞机座舱显示界面测评研究

在飞行过程中,飞行员需从座舱显示界面获取和处理很多视觉信息，大量的视觉信息会使飞行员脑力负荷过高，从而易导致飞行事故。为降低飞行员在飞行过程中的脑力负荷和提高飞行的安全性，需判断通航飞机座舱显示界面对飞行员脑力负荷的影响，并为通航飞机座舱显示界面优化设计提供依据。以塞斯纳172SP飞机为例，综合应用主观评价法、绩效评估法和生理测量法，对五边飞行过程中飞行员的脑力负荷进行评估。综合主观评分、飞行绩效、脑电（Electroencephalogram, EEG）指标、眼动指标的分析结果，得出了五边飞行不同飞行阶段的脑力负荷大小排序。采用眼动追踪技术对不同飞行阶段飞行员所关注的界面信息进行定位，确定飞机座舱显示界面上对脑力负荷影响较大的注视热区。结果显示飞行员在平飞阶段的脑力负荷较低，降落阶段的脑力负荷较高；显示界面侧滑指示器对脑力负荷的影响最大。综上可知结合脑力负荷测量和眼动指标可以有效地评价通航飞机座舱显示界面的性能。     

不同自动化水平行业对体力和脑力负荷的影响研究

目的 针对自动化水平的提升对作业者体力和脑力负荷影响的问题,本文探究不同自动化水平行业对体力和脑力负荷的影响.方法 通过对O?NET数据库中共计873种职业进行分析,分别使用NASA量表和SI指数进行负荷计算.结果 分析发现各行业的自动化水平和行业内从业者的体力和脑力负荷没有显著相关关系,而自动化水平与行业类型和从业所...     

负荷预测中的组合预测方法与改进分析

组合预测方法是一种优越的组合方法,在电网负荷预测中,通常和多种预测方法结合在一起,如灰色模型、指数平滑模型等,取得很好的预测效果。随着经济快速发展,电网运行体系也不断完善,相应的负荷预测方法必须不断的改进,才能适应现阶段供电需求。本文就负荷预测中的组合预测方法与改进进行分析探讨。     

浅谈城市用电负荷预测

电力负荷预测是电力系统规划的重要组成部分,也是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。是合理确定城市电源电网规模和布局的基本依据。城市电力规划工作复杂,需要收集供电基础资料,调查有关社会经济发展的历史数据,认真深入分析现状电网,结合城市总体发展规划、土地资源和环保规划等,对当地城市电网的特点及用电特点进行合理的负荷预测。     

心率变异性在手控交会对接操作脑力负荷评价中的应用

目的研究心率变异性指标用于脑力负荷评价的可行性,并对其在手控交会对接脑力负荷评价中的应用进行分析讨论。方法实验研究以手控交会对接操作为主任务,使用心率变异性来表征脑力负荷水平的变化。对8名志愿者进行了两个阶段共6轮的训练,每轮训练由10个共包含了高、中、低难度水平的操作单元组成。通过比较志愿者在两个阶段的关键绩效指标和心率变异性指标,分析心率变异性指标用于脑力负荷评价的有效性。结果在不同的操作难度、训练程度和操作阶段之间,部分心率变异性指标表现出了较强的敏感性,随着训练程度和操作阶段的变化,其敏感性强度也存在一定的差异。结论实验结果表明心率变异性指标可以用于脑力负荷评价,随着训练程度的提高,脑力负荷水平逐渐降低;随着单次操作过程中由前到后的变化,脑力负荷水平逐渐降低。     

对事务性脑力劳动的一种定量测量方法

确定脑力劳动者的工作量问题一直是工业工程师试图解决的问题。本文介绍了一种非常实用的定量确定脑力劳动工作量的方法，该方法曾在我国一大型企业应用，收到了比较好的效果。     

民航飞行员工作负荷影响因素体系研究

飞行员工作负荷作为一个多维且较为复杂的研究对象,其受大量影响因素的影响。本文将建立完整的民航飞行员工作负荷影响因素体系,并对各影响因素的相对重要度进行分析。首先在工作负荷及其影响因素的分析研究基础上,结合飞机驾驶舱环境和飞行环境,通过与飞行员面谈的方法建立了影响因素体系。然后结合专家主观评估对飞行员工作负荷的影响因素指标进行筛选,采用5点Likert型标度获得各影响因素的相对重要性。最终建立了由飞行任务,飞行环境,驾驶舱人机界面,个体因素四大类下的完整的民航飞行员工作负荷影响体系。通过因素的重要度分析结果发现,影响程度最大的前四个影响因素依次为:时间压力、飞机类型(真机、模拟)、飞行时间、飞行阶段。完整的飞行员工作负荷影响因素体系对飞行员工作负荷的研究工作的开展有着重要的指导作用,同时提高工作负荷预测模型的精度。     

共享心智模型对团队绩效影响的现场研究

本研究采用路径搜索的方法对22个团队共享心智模型进行了测量，并考察了两类共享心智模型（任务模型与团队模型）与团队绩效间的关系。相关分析和层级回归结果显示：任务模型的相似性和准确性分别与团队绩效有显著相关，同时团队模型的相似性越高，团队绩效越高，团队模型的准确性也对团队绩效有显著预测效应，但共享心智模型的相似性和准确性没有对团队绩效产生交互作用。     

基于COI与作业负荷平衡的多巷道仓库储位分配策略

储位分配策略直接影响仓储货品的拣选效率与仓库绩效。传统基于物料周转率（COI）的储位分配方法将出入库频率高的货物存储于距离出入口近的储位上,在多巷道分布的仓库当中,这可能导致部分巷道作业拥堵和事故发生率高等。为提升仓储货品拣选效率和减少巷道作业不平衡带来的负面影响,本研究将基于COI储位分配方法与巷道作业平衡改进策略相结合,通过定性解析与模型分析,提出绝对分巷道存储模型和相对平均与最大值控制模型两种储位分配改进方法。通过实例数据分析,两种新方案对行走距离增加值可控制于千分之一以内,而新最优可行解对完善仓储策略和进一步提升仓储企业效率有着重要作用。     

Workload assignment with training,hiring and firing

This article discusses a workload allocation model in which tasks are matched to employees on the basis of a multi-dimensional skill measure. The main idea is to match positions and tasks to available and potential positions so as to minimize the differences in individuals’ abilities and skill requirements. In addition to allocating existing personnel to positions, it is also possible to fire employees and hire new employees. The objectives of the mixed-integer optimization model include different types of costs and the proximity of an individual's capabilities to a task's ability requirements. A number of policies are formulated that allow different combinations of retraining of employees, as well as hiring and firing. These policies are applied to a real-life example that is solved by means of the constraint method. A variety of sensitivity analyses demonstrate the usefulness of the approach as a decision aid.     

Workload prediction for improved design and reliability of complex systems

This paper describes a method and a tool for analysing and predicting workload for the design and reliability of complex socio-technical systems. It concentrates on the need to assess workload early in the design phase to prevent systems failures. This is a continuation of our previous work on workload assessment. The method is supported by a tool that enables scenario-based validation of prospective socio-technical systems designs such as command and control rooms of military vessels. The approach combines probabilistic measures of human performance with subjective estimates of workload. The causal relationships of performance shaping factors (PSF) are modelled in a Bayesian belief network (BBN) and used to assess the agent's operational performance and reliability. Workload for each agent is calculated based on demand placed upon agents in terms of behavioural response to tasks, communications and interactions between humans and technology. The approach uses scenarios to stress test prospective system designs, where each scenario is modelled as a sequence of events. Reliability is expressed in terms of human error and is dynamically assessed throughout test scenario executions using BBN technology. The innovation beyond traditional reliability analysis relies to the use of dynamic and static estimates of reliability inputs for better informed assessment. This method enables identification of performance bottlenecks to be addressed by the designer early in the design phase. A case study is presented that demonstrates the use of the method and tool for the design of the command and control room of a military vessel.     

A Hybrid Approach for Performance and Energy-Based Cost Prediction in Clouds

With the striking rise in penetration of Cloud Computing, energy consumption is considered as one of the key cost factors that need to be managed within cloud providers’ infrastructures. Subsequently, recent approaches and strategies based on reactive and proactive methods have been developed for managing cloud computing resources, where the energy consumption and the operational costs are minimized. However, to make better cost decisions in these strategies, the performance and energy awareness should be supported at both Physical Machine (PM) and Virtual Machine (VM) levels. Therefore, in this paper, a novel hybrid approach is proposed, which jointly considered the prediction of performance variation, energy consumption and cost of heterogeneous VMs. This approach aims to integrate auto-scaling with live migration as well as maintain the expected level of service performance, in which the power consumption and resource usage are utilized for estimating the VMs’ total cost. Specifically, the service performance variation is handled by detecting the underloaded and overloaded PMs; thereby, the decision(s) is made in a cost-effective manner. Detailed testbed evaluation demonstrates that the proposed approach not only predicts the VMs workload and consumption of power but also estimates the overall cost of live migration and auto-scaling during service operation, with a high prediction accuracy on the basis of historical workload patterns.     

Biomolecular Structure Prediction Stochastic Optimization Methods

Biomolecular structure prediction remains an important challenge to biophysical chemistry. We recently developed an all‐atom free energy forcefield (PFF01) for protein structure prediction with stochastic optimization methods. We review recent studies, which demonstrated all‐atom folding of several proteins and summarize recent progress for in‐silico high‐throughput screening strategies for rational drug design, which are also based on the use of stochastic optimization methods to determine the conformation of the receptor‐ligand complex.